| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 2 多标记学习与图像语义理解理论综述 | 第17-30页 |
| 2.1 多标记学习理论综述 | 第17-24页 |
| 2.1.1 多标记学习问题定义 | 第18页 |
| 2.1.2 多标记学习相关算法 | 第18-21页 |
| 2.1.3 性能评价指标 | 第21-23页 |
| 2.1.4 实践应用 | 第23-24页 |
| 2.2 图像语义理解相关综述 | 第24-29页 |
| 2.2.1 图像语义理解问题定义 | 第25-26页 |
| 2.2.2 图像语义理解相关技术 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 基于半监督对偶低秩特征映射的多标记图像标注方法 | 第30-47页 |
| 3.1 半监督学习概述 | 第30-31页 |
| 3.2 算法模型构建 | 第31-33页 |
| 3.3 算法优化求解 | 第33-35页 |
| 3.4 实验设计与结果分析 | 第35-45页 |
| 3.4.1 实验图像数据集 | 第37页 |
| 3.4.2 实验评价指标 | 第37-38页 |
| 3.4.3 对比实验设计与结果分析 | 第38-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 基于隐变量模型的多标记学习算法在图像标注中的应用 | 第47-58页 |
| 4.1 隐变量模型概述 | 第47-48页 |
| 4.2 算法的提出与模型构建 | 第48-50页 |
| 4.3 算法优化求解 | 第50-52页 |
| 4.4 实验设计与结果分析 | 第52-54页 |
| 4.5 算法模型在图像语义标注中的应用 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-61页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |